伴随着当今科技的日新月异,匹配技术被视为计算机视觉和图像处理领域中一个重要分支,已被越来越广泛的应用,但是伴随着应用拓宽,新的问题也随之增多,其中一个研究的重要问题是怎样提高图像匹配效率,我们可以两方面考虑:一方面可以研究新的相似性度量公式,另一方面可以寻找最优图像匹配搜索算法,然而在现实生活中,很多现实中的问题都可以转化为优化方面的问题,例如路径规划方面的问题,WSN路由协议方面的问题等。最优化问题已被日益广泛地应用于社会科学的各个领域,可以有效的解决资源的科学分配,生产计划安排,城市路径规划等问题。近年来,群智能算法一直被视为研究的热点课题,PSO算法包含于群智能算法中,它已越来越多的被应用到图像匹配领域,但是由于PSO算法容易出现局限最优的境况,为此,对于改善PSO算法的性能也已形成一个热点潮流。其一,针对PSO算法在图像匹配中易陷入局部最优、搜索时间长以及匹配精度不高的问题,提出对粒子速度式子中的控制因子w进行改进并且对式子添加干扰项。首先,对w以对数的形式进行改进,然后再将改进后的非线性惯性权重对PSO算法进行优化,以此用来均衡粒子在整个求解空间范围区域和局部范围区域的搜寻能力,当w取值较大时,能够使算法不再局限于小范围区域,从而跳出该区域,到达没有到达的搜索区域,当w取较小的值时,有利于增强粒子在小范围区域搜索的能力,使算法在当前附近搜索,从而加强算法的收敛速度。其次,对速度更新公式添加动态扰动项对速度进行扰动,这样可以避免到算法后期,当粒子未搜索到最优解时,然而大多数粒子已经停止寻优,它们的速度已等于零或几乎为零,而出现早熟收敛的情况。其二,针对PSO算法在图像匹配中存在的缺陷,同时又提出了对Metropolis准则进行改进并引进粒子群算法中,又在此基础上引入竞选思想,最后将这些改进之处应用于图像匹配中,该算法能够使粒子跳出局部最佳解,然后使算法向最佳的解靠近。为了对上述两种算法的有效性进行验证,通过编写Matlab算法对所提的思想进行仿真以此验证,并与标准的PSO图像匹配算法对比并且分析,结果表明本文所提的PSO算法在很大程度上使图像匹配的效率得以提高且鲁棒性得以加强。本文采用三种性能指标来衡量图像匹配的优劣,分别是图像匹配平均运行时间和抗噪声性能以及匹配精度,为了更充分说明本文所提的图像匹配算法的有效实际应用性,针对本文所提算法和PSO图像匹配算法,给出了两种算法的粒子迭代次数与适应度值的关系的对比曲线以及匹配图在无噪和在Gaussian噪声下的鲁棒性。仿真结果表明本文所提的图像匹配算法在搜索速度,鲁棒性以及跳出局部最优能力方面均优于POS图像匹配算法。